换一批摘要结直肠微小息肉易与肠道褶皱混淆,且与周围黏膜常呈低对比度,导致传统分割方法面临假阳性干扰.基于编解码架构的深度学习网络也因多阶段下采样易丢失微小病灶特征,造成漏检与误分割.为此,搭建了一种多尺度特征融合模型HyperFusion-Deeplab.该模型通过引入自适应特征融合(AFF)模块以增强微小息肉的特征表示,构建双向注意力(BiFA)模块以提高息肉-黏膜边界的分割精度,并采用多尺度上下文聚合机制以协同局部细节与全局上下文信息,从而有效抑制由器械反光及残留粪便等造成的假阳性干扰.在Kvasir-SEG与CVC-ClinicDB数据集上的实验结果表明:该模型相比于基准模型Deeplabv3+,平均戴森系数(mDice)分别提高 0.010 和 0.009,平均交并比(mIoU)分别提高0.010 和0.007.研究验证了HyperFusion-Deeplab模型的有效性.
更多相关知识
关键词
结直肠息肉分割自适应特征融合双向注意力机制多尺度上下文聚合机制Deeplabv3+colorectal polyp segmentationadaptive feature fusionbidirectional attention mechanismmulti-scale context aggregationDeeplabV3+
DOI
10.19573/j.issn2095-0926.202601010
发布时间
2026-04-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
天津市科技计划项目（20YDTPJC01110）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
